{"id":1381,"kind":"story","title":"검색, 추천에 쓰는 투타워 모델, 사전 계산으로 빠르게 찾고 오답 고르는 법으로 학습","url":"https://zenn.dev/ca_kagglers/articles/two-tower-mechanism","host":"zenn.dev","by":"startupxo","score":0,"comments":0,"time":"2026-11-13T06:31:35.289Z","origin":"curated","language":{"source":"ko","reading":"ko","translated":false},"summary":["투타워는 검색어나 사용자 정보를 읽는 신경망과 검색 대상 항목을 읽는 신경망을 따로 두고, 각각 만든 숫자 묶음(벡터)을 곱해 얼마나 맞는지 점수를 낸다. 점수가 높은 항목을 위에 보여 준다.","항목 쪽 벡터는 미리 계산해 저장해 둘 수 있어, 검색 때는 질의 쪽만 계산하면 된다. 필자는 이 점이 대량 후보 검색에 효율적이라고 설명한다.","학습에서는 같은 묶음 안의 다른 정답 항목을 오답으로 재사용한다. 인기 항목이 오답으로 과하게 쓰이는 편향은 출현 확률로 보정하고(Yi 등 논문), 로그에 안 나오는 항목은 무작위 오답으로 보완한다(Yang 등 논문).","헷갈리는 오답(hard negative)을 쓰는 방법에서 Facebook 검색 논문(Huang 등)은 101~500위 후보를 쓸 때 재현율이 가장 좋았다고 보고했다. 배포 시 근사 탐색은 속도를 높이지만 일부 후보를 놓칠 수 있다."],"discussion":"https://startupxo.com/ko/1381/","markdown":"https://startupxo.com/ko/1381.md","api":"https://startupxo.com/api/v1/item.json?id=1381&lang=ko","text":null,"edited":null,"sources":[{"site":"rss","name":"Zenn","url":"https://zenn.dev/ca_kagglers/articles/two-tower-mechanism","score":null,"comments":null,"observed_at":"2026-11-13T12:27:53Z"}],"thread":[]}